Lembaga : Universitas Islam Negeri Maulana Malik Ibrahim Malang

Fakultas : Sains dan Teknologi

Jurusan : Teknik Informatika

Mata Kuliah : Linier Algebra

0.1 Pengertian Pivot

Pivot adalah proses membuat rangkuman, melakukan analisa, eksplorasi, dan mempresentasikan data. Salah satu software yang menyediakan fitur Pivot adalah MSExcel. Pada MSExcel terdapat fitur PivotTable dimana biasanya merupakan laporan berbentuk tabel yang dalam waktu saat singkat mampu menampilkan ringkasan berdasarkan jumlah data besar kedalam bentuk atau orientasi berbeda dan sanggup melakukan kalkulasi dalam setiap item yang dibutuhkan. Contoh : apabila kita mempunyai data yang diunduh dari sebuah database atau dibuat sendiri dengan jumlah ratusan, ribuan, atau bahkan ratusan ribu baris data, tentunya akan sulit untuk mengolah serta mendapatkan informasi secara cepat. Informasi yang dimaksud misalnya : Menampilkan data berdasarkan kriteria atau perhitungan tertentu, membandingkan antar field (kolom) satu dengan yang lainnya, menampilkan perulangan data, hubungan perulangan data pada suatu periode dan lain sebagainya. Selain itu bahasa pemrograman R juga menyediakan fitur provitdata. Berikut penerapan pivotdata inflow Uang Kartal di Pulau Sulawesi menggunakan bahasa pemrograman R.

library(readxl)

## Warning: package 'readxl' was built under R version 4.1.2

datainflowsulawesi <- read_excel(path = "inflowdataSulawesi.xlsx")
datainflowsulawesi

## # A tibble: 6 x 12
##   Provinsi `2011` `2012` `2013` `2014` `2015` `2016` `2017` `2018` `2019` `2020`
##   <chr>     <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>  <dbl>
## 1 Sulawes~  5671.  6635. 21646.  7374. 6.29e3  7266.  7044.  7781.  7809.  6324.
## 2 Sulawes~  1563.  1885.  1520.  3000. 2.59e3  2665.  2806.  3701.  4042.  3052.
## 3 Sulawes~ 10593. 13702. 17770. 19384. 1.96e4 21043. 18803. 21894. 24749. 21551.
## 4 Sulawes~   659.   964.  6093.  2256. 2.38e3  3491.  3618.  3632.  4390.  3353.
## 5 Sulawes~     0      0      0      0  4.92e1   536.   746.   606.   542.   329.
## 6 Goronta~     0      0      0      0  0          0      0   1088.  1983.  2227.
## # ... with 1 more variable: 2021 <dbl>

library(tidyverse)

## Warning: package 'tidyverse' was built under R version 4.1.2

## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.7
## v tidyr   1.1.3     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1

## Warning: package 'tibble' was built under R version 4.1.2

## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

0.2 Kasus Data Inflow Uang Kartal di Pulau Sulawesi Periode 2011-2020

datalongersulawesi<- datainflowsulawesi %>% 
  pivot_longer(!Provinsi, names_to = "Tahun", values_to = "Kasus")
datalongersulawesi

## # A tibble: 66 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sulawesi Utara 2011   5671.
##  2 Sulawesi Utara 2012   6635.
##  3 Sulawesi Utara 2013  21646.
##  4 Sulawesi Utara 2014   7374.
##  5 Sulawesi Utara 2015   6286.
##  6 Sulawesi Utara 2016   7266.
##  7 Sulawesi Utara 2017   7044.
##  8 Sulawesi Utara 2018   7781.
##  9 Sulawesi Utara 2019   7809.
## 10 Sulawesi Utara 2020   6324.
## # ... with 56 more rows

0.3 Pivot Data Inflow Uang Kartal di Pulau Sulawesi berdasarkan Kasus

library(dplyr)
sulawesiutaraup2 <- select(datalongersulawesi, Provinsi, Kasus)
sulawesiutaraup2 

## # A tibble: 66 x 2
##    Provinsi        Kasus
##    <chr>           <dbl>
##  1 Sulawesi Utara  5671.
##  2 Sulawesi Utara  6635.
##  3 Sulawesi Utara 21646.
##  4 Sulawesi Utara  7374.
##  5 Sulawesi Utara  6286.
##  6 Sulawesi Utara  7266.
##  7 Sulawesi Utara  7044.
##  8 Sulawesi Utara  7781.
##  9 Sulawesi Utara  7809.
## 10 Sulawesi Utara  6324.
## # ... with 56 more rows

0.4 Kasus Data Inflow Uang Kartal di Sulawesi Utara Periode 2011-2021

library(dplyr)
sulawesiutaraup4 <- datalongersulawesi %>%
    filter(Provinsi == 'Sulawesi Utara') %>%
    select('Provinsi', 'Tahun', 'Kasus')
sulawesiutaraup4

## # A tibble: 11 x 3
##    Provinsi       Tahun  Kasus
##    <chr>          <chr>  <dbl>
##  1 Sulawesi Utara 2011   5671.
##  2 Sulawesi Utara 2012   6635.
##  3 Sulawesi Utara 2013  21646.
##  4 Sulawesi Utara 2014   7374.
##  5 Sulawesi Utara 2015   6286.
##  6 Sulawesi Utara 2016   7266.
##  7 Sulawesi Utara 2017   7044.
##  8 Sulawesi Utara 2018   7781.
##  9 Sulawesi Utara 2019   7809.
## 10 Sulawesi Utara 2020   6324.
## 11 Sulawesi Utara 2021   4671.

0.5 Kasus Data Inflow Uang Kartal di Sulawesi Utara Tahun 2020

sulawesiutaraup5 <- datalongersulawesi %>%
  filter(Provinsi == 'Sulawesi Utara', Tahun == '2020') %>%
 select('Provinsi', 'Tahun', 'Kasus')
sulawesiutaraup5

## # A tibble: 1 x 3
##   Provinsi       Tahun Kasus
##   <chr>          <chr> <dbl>
## 1 Sulawesi Utara 2020  6324.

0.6 Visualisasi Pivot Data Inflow Uang Kartal di Pulau Sulawesi Berdasarkan Provinsi

ggplot(data = datalongersulawesi, mapping = aes(x = Tahun, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Provinsi) +
  theme(axis.text.x = element_text(angle = 90))

0.7 Visualisasi Pivot Data Inflow Uang Kartal di Pulau Sulawesi Berdasarkan Priode

ggplot(data = datalongersulawesi, mapping = aes(x = Provinsi, y = Kasus)) +
  geom_point() +
  facet_wrap( ~ Tahun) +
  theme(axis.text.x = element_text(angle = 90))